مروری بر روش‌های شناسایی سایت‌های فیشینگ از سایت‌های قانونی

محبوبیت روزافزون اینترنت منجر به رشد چشمگیر تجارت الکترونیک شد. با این حال، چنین فعالیت‌هایی دارای چالش‌های امنیتی اساسی است که عمدتاً ناشی از کلاهبرداری‌های سایبری و سرقت هویت افراد است. از این رو، بررسی مشروعیت صفحات وب بازدید شده یک کار بسیار مهم برای ایمن کردن هویت مشتریان و جلوگیری از حملات فیشینگ است. استفاده از روش های یادگیری ماشین، و یادگیری عمیق به طور گسترده به عنوان یک راه حل امیدوارکننده شناخته شده است. تحقیقات، مملو از مطالعاتی است که از روش‌های یادگیری ماشین و یادگیری عمیق برای تشخیص فیشینگ وب سایت استفاده می‌کنند. با توجه به این‌که در تحقیقات قبلی، تشخیص سایت-های فیشینگ با استفاده از ویژگی‌های مختلف توسط شبکه‌های عمیق بررسی شده است، در تحقیق جاری، ما قصد داریم تشخیص سایت‌های فیشینگ را با استفاده از چندین نوع ویژگی به صورت ترکیبی با کمک شبکه‌های عمیق انجام دهیم. بنابراین در این مقاله ابتدا ما به مرور روش‌های شناسایی سایت های فیشینگ از سایت‌های قانونی می پردازیم و در انتها روش پیشنهادی خود را ارایه می دهیم.

copy – move detection using genetic algorithm

the increasing popularity of the internet has led to the dramatic growth of e-commerce. however, such activities have significant security challenges, mainly due to cyber fraud and identity theft. therefore, checking the legitimacy of visited web pages is a very important task to secure the identity of customers and prevent phishing attacks. the use of machine learning methods, and deep learning is widely recognized as a promising solution. research is full of studies that use machine learning and deep learning methods to detect website phishing. however, their findings depend on the data set and are far from generalizable. the two main reasons for the lack of generalization are impractical replication and lack of appropriate benchmark data sets for fair evaluation of systems. furthermore, phishing methods are constantly evolving and the proposed models do not keep up with the rapid changes. in this article, we review the methods of identifying phishing sites from legal sites and finally reach the final conclusion.